Complejidad Algorítmica-CC76-201901

Item Type info:eu-repo/semantics/report

Authors Canaval Sanchez Luis Martin; Gonzalez Valenzuela Ricardo

Eugenio; Ugarte Rojas Willy Gustavo

Publisher Universidad Peruana de Ciencias Aplicadas (UPC)

Rights info:eu-repo/semantics/openAccess; Attribution-

NonCommercial-ShareAlike 3.0 United States

Download date 31/07/2020 06:45:33

Item License http://creativecommons.org/licenses/by-nc-sa/3.0/us/

Link to Item http://hdl.handle.net/10757/632638

I. INFORMACIÓN GENERAL

CURSO : Complejidad Algorítmica

CÓDIGO : CC76
CICLO : 201901
CUERPO ACADÉMICO : Canaval Sanchez, Luis Martin
Gonzalez Valenzuela, Ricardo Eugenio
Ugarte Rojas, Willy Gustavo
CRÉDITOS : 4
SEMANAS : 16
HORAS : 2 H (Práctica) Semanal /3 H (Teoría) Semanal
ÁREA O CARRERA : Ciencias de la Computacion

II. MISIÓN Y VISIÓN DE LA UPC

Misión: Formar líderes íntegros e innovadores con visión global para que transformen el Perú.

Visión: Ser líder en la educación superior por su excelencia académica y su capacidad de innovación.

III. INTRODUCCIÓN

Descripción: Curso de especialidad en las carreras de Ingeniería de Software y de Ciencias de la Computación,

de carácter teórico-práctico dirigido a los estudiantes del cuarto ciclo de ciencias de la computación y sexto
ciclo en ingeniería de software, que permite que el estudiante pueda analizar la complejidad de los problemas
computacionales según la dificultad intrínseca de los mismos y su relación con las clases de complejidad;
proponer acertadamente soluciones algorítmicas idóneas y determinar el rendimiento de las mismas dadas las
restricciones de tiempo y memoria disponibles en el equipo computacional.

Propósito: El estudiante aprende hábitos y destrezas de diseño de algoritmos y análisis matemático de la

complejidad asociada empleando casos de estudio. El curso busca desarrollar la competencia general de
Razonamiento Cuantitativo de nivel 1 y la competencia específica de Planificación y conducción de
experimentos de nivel 1 acorde con el ABET Student Outcome (B) para la carrera Ciencias de la computación.
Y la competencia específica de Planificación y conducción de experimentos de nivel 2 acorde con el ABET
Student Outcome (B) para la carrera Ingeniería de Software

IV. LOGRO (S) DEL CURSO

Al finalizar el curso, el estudiante diseña algoritmos tomando en cuenta el tiempo, el espacio y la complejidad.

Competencia:
Razonamiento Cuantitativo

Nivel de logro:
1

1
Definición:
Capacidad para interpretar, representar, comunicar y utilizar información cuantitativa diversa en situaciones de
contexto real. Incluye calcular, razonar, emitir juicios y tomar decisiones con base en esta información
cuantitativa.

Competencia:
Planificación y conducción de experimentos

Nivel de logro:
1 (Ciencias de la Computación)

Definición:
Identifica los problemas o necesidades que pueden dar inicio a la definición de un proyecto, sin embargo, tiene
dificultades para definir objetivos que satisfagan estas necesidades.

Competencia:
Planificación y conducción de experimentos

Nivel de logro:
2 (Ingeniería de Software)

Definición:
Identifica los problemas o necesidades que pueden dar inicio a la definición de un proyecto, sin embargo, tiene
dificultades para definir objetivos que satisfagan estas necesidades.

V. UNIDADES DE APRENDIZAJE

UNIDAD Nº: 1 Comportamiento asintótico, métodos de búsqueda y grafos

LOGRO
Competencia(s):
- Razonamiento Cuantitativo- Nivel 1
- Planificación y Conducción de Experimentos-Nivel 1

Logro de la unidad:
- Al finalizar la unidad, resuelve ejercicios, problemas y casos de estudio aplicando métodos de búsqueda como Fuerza
Bruta, Backtraking y algoritmos sobre grafos encontrando el comportamiento asintótico de los algoritmos.

TEMARIO
Contenido 1:
Análisis de Tiempos
¿Análisis de Algoritmos
¿La Notación Big

Actividades de aprendizaje:

2
Análisis de diapositivas.
Aprendizaje basado en problemas.

Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios sobre análisis de algoritmos y notación O grande.

Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 2:
Algoritmos: FB, BT
¿Fuerza Bruta y Backtracking
¿Espacio de Solución
¿Coincidencia de Cadenas

Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo de un caso de estudio: diseñando algoritmos de FB y String Match calculando el tiempo y espacio.

Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++. WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 3:
Algoritmos: DC
¿Divide y Venceras
¿Espacio de Solución

Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo de hoja de ejercicios UVA aplicando estrategias DC

Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++. WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 4:
Grafos
¿Representación e Implementación
¿Búsqueda en Grafos
¿Problemas Sobre grafos.

Actividades de aprendizaje:
Análisis de diapositivas.
Aprendizaje basado en problemas.
Resolución de ejercicios.

3
Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios sobre grafos.
DD1

Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++. WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 5:
Ordenamiento
¿Ordenamiento Topologico
¿Problemas OT

Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo de un caso de estudio para aplicando algoritmos de Grafos y Ordenamiento Topológico.

Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 6:
SCC
¿Componentes fuertemente conexos
¿Caso de estudio: SCC

Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo de problemas de Componentes Fuertemente Conexos.
PC1

Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 7:
Solución de Problemas
¿Ejercicios
¿PC1

Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios de FB, DC, SCC y OT.
TP1

4
 Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 8:
Examen Parcial (EA)

HORA(S) / SEMANA(S)
35 Hrs / Semanas 1,2,3,4,5,6, 7 Y 8

UNIDAD Nº: 2 Algoritmos voraces, programación dinámica, y problemas P-NP

LOGRO
Competencia(s):
- Razonamiento Cuantitativo- Nivel 1
- Planificación y Conducción de Experimentos-Nivel 1 / Nivel 2

Logro de la unidad:
- Al finalizar la unidad, el estudiante resuelve problemas aplicando algoritmos voraces, programación dinámica, flujos
y problemas P-NP, calculando el comportamiento asintótico del algoritmo.

TEMARIO
Contenido 9:
Búsquedas
¿Algoritmos de Búsqueda: Dijkstra.
¿UFDS: Unión de conjuntos disjuntos.

Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo de un caso de estudio aplicando UFDS.

Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 10:
MST
¿Arboles de expansión mínima: Algoritmo de Kruskal, Algoritmo de PRIM.

Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios Aplicando los algoritmos de Kruskal y PRIM.
Resuelve un caso de estudio usando UFDS y MST

5
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 11:
Flujo Máximo:
¿Algoritmo de Ford-Fulkerson.
¿Edmonds Karp.
¿Algoritmo de Dinic

Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios de Flujo Máximo

Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 12:
Algoritmos Voraces
¿Alg.Bellman Ford
¿Alg. Floy Warshal
¿Alg. Johnson

Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo el caso de estudio aplicando algoritmos voraces

Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 13:
Programación Dinámica
¿Optimalidad de algoritmos.
¿El problema de la mochila

Actividades de aprendizaje:
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios de programación dinámica.

Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.

6
 Contenido 14:
Problemas Tipo P
¿Problemas de decisión.
¿El problema del viajero

Actividades de aprendizaje:
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios.
PC2

Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.

Contenido 15:
Problemas Tipo NP
¿Problemas Clique.
¿Redes

Actividades de aprendizaje:
Resolución de ejercicios.

Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios.
PA
TF

Bibliografía:
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos

Contenido 16:
Examen Final (EB)

HORA(S) / SEMANA(S)
35 Hrs / Semanas 9,10,11,12,13,14, 15 Y 16

VI. METODOLOGÍA

Las sesiones de aprendizaje se desarrollarán bajo la modalidad presencial con 3 horas de teoría y 2 horas de
laboratorio, utilizando estrategias de aprendizaje activo, como por ejemplo: aprendizaje basado en problemas y
aplicación en contexto reales. Se utilizara las siguientes estrategias y experiencias de aprendizaje:

Estrategias preinstruccionales, de Inicio y motivación del aprendizaje.

- Preguntas inductoras
- Foros electrónicos

Estrategias coinstruccionales, de desarrollo o construcción del aprendizaje

- Exposición argumentativa de los temas a través material textual (documentos PDF y PPT): unidades de
aprendizaje.

7
- Investigación bibliográfica y electrónica.
- Preguntas insertadas en el material textual educativo.
- Desarrollo de programas en laboratorio.

Estrategias postinstruccionales, de consolidación y extensión del aprendizaje.

- Preguntas de cierre en el material textual educativo y en foro electrónico
- Trabajos aplicativos individuales.
- Recapitulaciones y síntesis de contenidos.
- Evaluación de logros de competencia.

En las Unidades 1 y 2 se desarrollará, mediante un estudio auto dirigido y guiado remotamente por el profesor,
el primer y tercer hito del trabajo final. Para cumplir con ambos trabajos se han definido los temas que deben
revisar para realizar lo solicitado:

TEMARIO DE ESTUDIO AUTODIRIGIDO 1

- Algoritmos sobre flujos

TEMARIO DE ESTUDIO AUTODIRIGIDO 2

- Problemas P - NP

El estudiante será aprobado si:

- Demuestra ha alcanzado el logro planificado en cada unidad.
- Demuestra las actitudes básicas y altruistas de responsabilidad, actitud crítica y asertiva así como creatividad
en el desarrollo de las actividades de aprendizaje tanto colaborativas como como individuales.
- Alcanza nota promocional

Con relación a los hitos 1 y 3 del estudio auto dirigido y guiado virtualmente por el profesor, formarán parte de
las notas TP (Trabajo Parcial) y TF (Trabajo Final), respectivamente. Esto permitirá medir la correcta
realización de las actividades y objetivos planteados para tales hitos.

VII. EVALUACIÓN

FÓRMULA
5% (DD1) + 5% (PC1) + 15% (TP1) + 15% (EA1) + 10% (PC2) + 5% (PA1) + 20% (TF1) +
25% (EB1)

TIPO DE NOTA PESO %

DD - EVAL. DE DESEMPENO 5
PC - PRÁCTICAS PC 5
TP - TRABAJO PARCIAL 15
EA - EVALUACIÓN PARCIAL 15
PC - PRÁCTICAS PC 10
PA - PARTICIPACIÓN 5
TF - TRABAJO FINAL 20
EB - EVALUACIÓN FINAL 25

8
VIII. CRONOGRAMA

TIPO DE DESCRIPCIÓN NOTA NÚM. DE FECHA OBSERVACIÓN RECUPERABLE

PRUEBA PRUEBA
DD EVAL. DE DESEMPENO 1 semana 4 Competencias NO
evaluadas: Planificación
y Conducción de
Experimentos.
Razonamiento
Cuantitivo. Examen
individual
PC PRÁCTICAS PC 1 semana 6 Competencias SÍ
evaluadas: Planificación
y conducción de
experimentos.
Razonamiento
Cuantitativo Práctica
individual
TP TRABAJO PARCIAL 1 semana 7 Competencias NO
evaluadas: Planificación
y Conducción de
E x p e r i m e n t o s
Razonamiento
Cuantitativo Práctica
individual
EA EVALUACIÓN PARCIAL 1 semana 8 Competencias SÍ
evaluadas: Planificación
y Conducción de
Experimentos.
Razonamiento
Cuantitivo. Examen
individual
PC PRÁCTICAS PC 2 semana 14 Competencias SÍ
evaluadas: Planificación
y Conducción de
Experimentos.
Razonamiento
cuantitivo. Práctica
individual
PA PARTICIPACIÓN 1 semana 15 Competencias NO
evaluadas: Planificación
y Conducción de
E x p e r i m e n t o s
Razonamiento Critico
Práctica individual
TF TRABAJO FINAL 1 semana 15 Competencias NO
evaluadas: Planificación
y Conducción de
E x p e r i m e n t o s
Razonamiento
Cuantitivo Práctica
grupal
EB EVALUACIÓN FINAL 1 semana 16 Competencias SÍ
evaluadas: Planificación
y Conducción de
E x p e r i m e n t o s
Razonamiento
Cuantitativo. Examen
individual

IX. BIBLIOGRAFÍA DEL CURSO

https://upc.alma.exlibrisgroup.com/leganto/readinglist/lists/4376733010003391?institute=51UPC_INST
&auth=LOCAL